Aller au contenu principal
Agence Traduction SuisseComprendre la traduction et l’IA

IA & traduction

L'avenir de la traduction avec l'IA : ce qui est probable, ce qui ne l'est pas

Les deux récits dominants — la disparition du métier et le « rien n'a vraiment changé » — sont faux pour la même raison : ils confondent la tâche et la fonction. Voici ce que l'on peut raisonnablement anticiper, et ce qui relève de la prophétie.

IntermédiairePar La rédactionPublié le

Une leçon d’humilité préalable

En 1954, une démonstration très commentée traduit soixante phrases du russe vers l’anglais. Ses auteurs annoncent que le problème de la traduction automatique sera résolu en trois à cinq ans. Soixante-dix ans plus tard, le secteur produit encore des articles intitulés « l’IA va-t-elle remplacer les traducteurs ».

Cette histoire ne prouve pas que rien ne change. Elle prouve que les échéances annoncées dans ce domaine n’ont aucune valeur prédictive. Ce qui suit distingue donc trois catégories : ce qui est déjà arrivé et se diffuse, ce qui est probable, et ce qui relève de la spéculation.

Ce qui est déjà arrivé

La production du premier jet est automatisée. Ce n’est plus une tendance, c’est l’état du marché. La quasi-totalité des volumes industriels passe par une machine avant d’atteindre un humain, quand un humain intervient.

La fluidité a cessé de signaler la qualité. Les sorties se lisent sans accroc, y compris quand elles contiennent un contresens. Cette évolution est la plus lourde de conséquences, et la moins commentée : elle rend inopérante la méthode de contrôle sur laquelle le métier reposait.

Le goulot d’étranglement s’est déplacé. Traduire n’est plus l’étape lente. Vérifier l’est devenu — et la vérification n’a pas bénéficié des mêmes progrès que la génération. C’est l’asymétrie centrale de la période.

Ce qui est probable d’ici la fin de la décennie

Quatre évolutions paraissent solidement engagées, parce qu’elles répondent à des pressions réelles et non à des effets d’annonce.

La vérification devient le produit

Puisque produire du texte est devenu bon marché et que garantir un texte ne l’est pas, la valeur migre vers la seconde activité. Concrètement : estimation de qualité mieux calibrée, contrôles déterministes systématiques, agents évaluateurs, traçabilité par segment.

Les organisations qui achètent de la traduction commenceront à acheter, explicitement, un niveau de garantie plutôt qu’un volume de mots. La révision d’ISO 18587 attendue fin 2026 va dans ce sens, en élargissant son périmètre aux sorties de modèles de langue et aux flux hybrides.

La divulgation devient obligatoire

Savoir si un texte a été produit par une machine, entièrement ou en partie, cesse d’être une question de courtoisie commerciale. Les obligations de transparence du cadre réglementaire européen, les exigences de traçabilité des secteurs régulés et la révision des normes convergent vers une même conséquence pratique : les chaînes devront documenter ce qu’elles font.

Effet secondaire prévisible et plutôt sain : les prestataires qui automatisent sans le dire perdront leur avantage, qui reposait sur l’asymétrie d’information.

L’orchestration prend le pas sur le choix du moteur

Aucun système ne domine partout. La compétence qui se valorise n’est donc pas le choix d’un fournisseur mais la capacité d’arbitrer entre plusieurs, de mesurer, de calibrer des seuils et de journaliser. C’est une compétence d’ingénierie de processus, pas de linguistique — et c’est là que se créent les fonctions nouvelles.

Le marché se scinde nettement

D’un côté, du contenu à faible enjeu, massivement automatisé, à coût marginal quasi nul. De l’autre, du contenu où une erreur non détectée engage — juridique, médical, réglementaire, créatif, marque — avec des exigences croissantes et des tarifs qui montent.

Le milieu, historiquement le gros du marché, est ce qui se comprime. C’est cette compression, et non une disparition globale, que vivent les professionnels.

Ce qui ne changera pas

Trois limites ne sont pas techniques, ce qui explique qu’aucun progrès de modèle ne les résout.

La responsabilité. Une traduction certifiée, un contrat, une notice de dosage exigent que quelqu’un réponde de l’exactitude. Un système ne peut pas endosser une responsabilité juridique, et la question n’est pas de savoir s’il traduit bien.

La terminologie propre à une organisation. Un modèle ne peut pas deviner qu’une entreprise appelle systématiquement ses clients des « partenaires ». L’information manquante n’est pas dans les données d’entraînement, elle est chez le client. Elle devra toujours être fournie.

La voix. Les modèles convergent vers une moyenne stylistique agréable. C’est exactement ce qu’il faut éviter quand un texte doit sonner comme une marque et pas comme une autre. La limite découle de l’objectif d’entraînement lui-même.

Ce qui relève de la spéculation

Par honnêteté, il faut nommer ce qu’on ne sait pas.

On ne sait pas si les gains de fiabilité suivront les gains de fluidité — rien ne le garantit, et les deux ne dépendent pas des mêmes mécanismes. On ne sait pas si les pipelines à plusieurs passages automatiques tiendront leurs promesses ou accumuleront des erreurs corrélées, chaque étape validant ce que la précédente a produit. On ne sait pas comment évolueront les combinaisons peu dotées, ni si les variantes régionales — le français de Suisse romande, l’allemand standard suisse — bénéficieront d’un effort proportionné à leur importance économique.

Et on ne sait pas ce que produira la boucle de rétroaction : à mesure que le web se remplit de textes traduits automatiquement, ces textes deviennent des données d’entraînement. Les effets à long terme de cette autophagie ne sont pas établis.

Ce que cela implique, concrètement

Pour une entreprise : arrêter de chercher le meilleur moteur, commencer à documenter par type de contenu ce qui peut être automatisé et ce qui ne peut pas. Investir dans le glossaire et le guide de style, qui restent utiles quel que soit le système employé. Exiger la divulgation et la réversibilité de ses données linguistiques.

Pour un professionnel de la traduction : ajouter aux compétences linguistiques la compréhension du comportement des systèmes, la capacité de mesurer une qualité plutôt que de l’affirmer, et la spécialisation dans un domaine où la responsabilité compte. La rémunération au volume est un modèle en fin de vie ; la rémunération à la garantie apportée ne l’est pas.

Pour tout le monde : se défier des échéances. Depuis 1954, elles ont toutes été fausses.

Questions fréquentes

Le métier de traducteur va-t-il disparaître ?

Non, mais il ne ressemblera plus à ce qu'il était. Ce qui disparaît, c'est la rémunération au volume pour produire un premier jet — cette tâche est automatisable et l'est déjà largement. Ce qui reste et se valorise, c'est la capacité de garantir un texte : détecter ce qu'une machine a silencieusement modifié, arbitrer une ambiguïté, engager une responsabilité. La quantité de travail baisse sur certains segments et augmente sur d'autres.

Faut-il encore se former à la traduction ?

Oui, à condition d'y ajouter deux compétences que les cursus n'enseignaient pas : la compréhension du comportement des systèmes automatiques — où ils échouent, comment le détecter — et la capacité de mesurer une qualité plutôt que de l'affirmer. Un traducteur qui sait calibrer un flux, mesurer un temps d'édition et défendre un arbitrage est plus demandé aujourd'hui qu'il y a cinq ans.

Les prix vont-ils continuer à baisser ?

Sur le contenu à faible enjeu, oui, et cette tendance ne s'inversera pas : quand la machine produit le volume et que le prix est indexé sur le volume, la pression est mécanique. Sur le contenu où une erreur non détectée coûte cher, on observe l'inverse — les exigences de traçabilité, de conformité et de compétence thématique font monter les tarifs des intervenants capables de les satisfaire.

L'IA finira-t-elle par traduire aussi bien qu'un humain ?

La question est mal posée, parce qu'« aussi bien » n'est pas un seuil unique. Sur la fluidité, c'est déjà le cas dans les combinaisons bien dotées. Sur la fidélité vérifiable, la difficulté n'est pas la performance moyenne mais la fiabilité : un système qui traduit correctement 99 % du temps et invente au centième segment sans le signaler n'est pas utilisable sans contrôle, quel que soit son score moyen.

Sources

  1. PresseMachine Translation in 2026: An Honest AssessmentTranslatedjanvier 2026
  2. PresseNew Translation Technologies 2026: From LLMs to Large Reasoning ModelsLingvanexjanvier 2026
  3. NormeLatest News on ISO 17100 & 18587EUATCavril 2026
  4. PresseAI Translation Trends in 2026: Systems, Quality & GovernanceLocalizefévrier 2026

Les liens externes s’ouvrent dans un nouvel onglet. Une source rompue ou obsolète ?Signalez-la — nous corrigeons et datons la correction.

À lire ensuite